스카이랩스는 서울대학교병원 최의근 교수팀의 ‘반지형 웨어러블 기기 카트(CART)의 딥러닝 분석을 이용한 심방세동 탐지 연구’ 논문이 의료정보학분야 국제학술지 ‘인터넷의학연구저널(JMIR)’에 게재됐다고 10일 밝혔다.
최의근 교수 팀은 2018년부터 2년간 20세 이상 지속성 심방세동 환자 100명을 대상으로 연구를 진행했다. 반지형 웨어러블 의료기기인 카트와 기존의 표준 방식인 심전도계를 사용해 환자의 심율동전환술 전후로 광학센서 신호인 광용적맥파(PPG) 신호와 심전도 신호를 측정해 진행했으며 카트를 통해 얻은 총 1만3,000여개의 샘플은 스마트폰으로 전송해 딥러닝 알고리즘으로 분석했다.
연구결과 카트의 정확도는 심방세동을 찾아내는 정확도인 민감도는 99.0%, 정상상태를 찾아내는 정확도인 특이도는 94.3%로 나타났다. 측정 시간이 길수록 진단 정확도가 증가했지만, 10초 측정만으로도 94.7%의 정확도를 유지했다. 특히, 심방세동의 경우 맥박의 변동성에 관계없이 일관된 민감도를 유지한 것으로 나타났다.
최의근 서울대병원 교수는 “이번 연구를 통해 최근 유병률이 급격히 증가하고 있는 심방세동 진단에 있어 새로운 형태의 웨어러블 기기의 성능을 과학적으로 입증했다”며“이번 논문은 작년에 발표한 카트의 알고리즘을 검증한 논문에 이은 후속 연구의 성과”라고 강조했다.
이병환 스카이랩스 대표는 “이번 연구결과로 기존 표준 방식인 심전도뿐만 아니라 광용적맥파의 연속적 측정이 가능한 카트의 정확도가 입증되어 신뢰도가 높아졌다”고 말했다.
